人工智能背景下政府治理智能決策優(yōu)化研究

□肖 進(jìn) 李春燕 賈品榮

[1. 四川大學(xué) 成都 610064；2. 北京科學(xué)學(xué)研究中心 北京 100089]

引言

近年來(lái)，隨著互聯(lián)網(wǎng)的興起，搜集存儲(chǔ)的數(shù)據(jù)呈幾何級(jí)數(shù)增長(zhǎng)，我們已經(jīng)進(jìn)入大數(shù)據(jù)時(shí)代。在大數(shù)據(jù)的基礎(chǔ)上，人工智能獲得了飛速發(fā)展，已經(jīng)成為全球關(guān)注的焦點(diǎn)和競(jìng)爭(zhēng)熱點(diǎn)。當(dāng)前，經(jīng)濟(jì)社會(huì)問(wèn)題日益復(fù)雜，政府治理面臨極大的挑戰(zhàn)，僅憑傳統(tǒng)的決策模式已無(wú)法有效應(yīng)對(duì)日趨復(fù)雜的社會(huì)問(wèn)題，而人工智能的興起為改進(jìn)政府決策模式提供了條件。在人工智能背景下，政府智能決策以大數(shù)據(jù)為基礎(chǔ)，利用新一代數(shù)據(jù)挖掘技術(shù)，在復(fù)雜的環(huán)境和海量的數(shù)據(jù)中，解釋數(shù)據(jù)之間及數(shù)據(jù)與環(huán)境之間的廣泛聯(lián)系，實(shí)時(shí)連續(xù)地為決策的制定提供支持。目前，學(xué)術(shù)界關(guān)于互聯(lián)網(wǎng)科技和大數(shù)據(jù)對(duì)政府治理的影響研究相對(duì)較多[1～2]，而對(duì)將人工智能運(yùn)用于政府治理的研究還相對(duì)較少，本文則致力于彌補(bǔ)該方向上研究的不足。然而，正如斯蒂芬?霍金（Stephen Hawking）所指出，人工智能的崛起既是人類文明的推進(jìn)者，同樣也可能是人類文明的終結(jié)者。事實(shí)上，人工智能是一柄“雙刃劍”。由于人工智能技術(shù)主要解決的是海量數(shù)據(jù)的處理和決策問(wèn)題，因此，人工智能應(yīng)用的爆發(fā)式增長(zhǎng)為政府治理提供巨大便利的同時(shí)，也為政府決策帶來(lái)了風(fēng)險(xiǎn)，而引發(fā)風(fēng)險(xiǎn)的因素可能來(lái)自政府的內(nèi)部和外部，如果政府在決策過(guò)程中不能妥善處理好這些因素，將極有可能危害政府治理以及社會(huì)穩(wěn)定。另一方面，如何根據(jù)決策任務(wù)的特點(diǎn)，建立科學(xué)合理的智能決策模型也是當(dāng)前必須解決的難題。

本文以政府治理中的智能決策理論作為研究起點(diǎn)，在結(jié)合影響政府智能決策的內(nèi)部和外部因素的基礎(chǔ)上，集中研究了人工智能背景下政府治理智能決策優(yōu)化問(wèn)題，最后構(gòu)建了基于政府內(nèi)外部信息的多源信息融合模型和政府智能決策系統(tǒng)。

一、政府治理中的智能決策理論研究

技術(shù)隨著信息的傳播而進(jìn)步，大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)。當(dāng)今世界各行業(yè)產(chǎn)生的數(shù)據(jù)呈爆炸性增長(zhǎng)，每天增加的數(shù)據(jù)量超過(guò)2.5兆字節(jié)。大數(shù)據(jù)資料量大、變化飛快、種類繁雜、價(jià)值密度低以及真?zhèn)未嬉傻忍攸c(diǎn)進(jìn)一步加劇了這個(gè)時(shí)代的不確定性。然而，海量數(shù)據(jù)中包含的信息與價(jià)值卻可以幫助政府對(duì)這些不確定性進(jìn)行預(yù)測(cè)，基于大數(shù)據(jù)的智能決策將取代傳統(tǒng)決策，成為當(dāng)今時(shí)代政府治理決策的主要模式。

（一）大數(shù)據(jù)與政府智能決策主體的內(nèi)在邏輯關(guān)系

首先，大數(shù)據(jù)為政府智能決策提供了多元主體協(xié)同共治的新思考。從行為主義分析模型、政策網(wǎng)絡(luò)與政策共同體分析模型[3]、政策地形模型[4]到政策體制模型[5]，政府智能決策主體正在由一元主體向多元主體轉(zhuǎn)變，治理方式由單向控制向協(xié)同共治轉(zhuǎn)變。大數(shù)據(jù)時(shí)代使政府智能決策在決策主體方面跨系統(tǒng)、跨邊界的特點(diǎn)日益明顯。

其次，大數(shù)據(jù)打破了政府控制導(dǎo)向的行為模式。大數(shù)據(jù)時(shí)代信息的傳播更加快速和便利，決策過(guò)程的不確定性和復(fù)雜性也大大增加[6]，使政府在信息控制方面，政策控制方面以及公共物品和公共服務(wù)供給控制方面的主導(dǎo)地位動(dòng)搖，政府控制導(dǎo)向的行為模式也越來(lái)越難以為繼。

（二）大數(shù)據(jù)與政府智能決策過(guò)程的內(nèi)在邏輯關(guān)系

首先，大數(shù)據(jù)為政府智能決策提供了實(shí)時(shí)連續(xù)決策的路徑。政府智能決策經(jīng)歷了階段論模型[7]、多源流框架[8]、突變－均衡模型[9]等過(guò)程，然而這些模型往往很難預(yù)測(cè)決策過(guò)程的突發(fā)狀況。大數(shù)據(jù)時(shí)代發(fā)展起來(lái)的一系列新的技術(shù)為政府智能決策提供了有力手段，如分布式文件系統(tǒng)[10]、分布式數(shù)據(jù)庫(kù)[11]、批處理技術(shù)[12]，以及開(kāi)源實(shí)現(xiàn)平臺(tái)[13]等。這些技術(shù)可以為政府智能決策提供實(shí)時(shí)連續(xù)的支持，從而增加決策過(guò)程中各種突發(fā)事件的可解釋性。

其次，大數(shù)據(jù)為政府智能決策時(shí)分析事件的相關(guān)關(guān)系提供了技術(shù)支持。在傳統(tǒng)的政府決策過(guò)程中，往往需要基于許多的假設(shè)來(lái)處理問(wèn)題中的不確定性。這些方法需要經(jīng)過(guò)一些假設(shè)和推理將實(shí)際問(wèn)題中的不確定因素轉(zhuǎn)化為確定因素，進(jìn)而在確定性的框架內(nèi)進(jìn)行決策。區(qū)別于傳統(tǒng)政府決策流程的事后被動(dòng)相應(yīng)模式，大數(shù)據(jù)時(shí)代政府的智能決策流程則是搜集數(shù)據(jù)—量化分析—找出相互關(guān)系—提出優(yōu)化方案的前瞻性主動(dòng)研判模式[14]。

（三）大數(shù)據(jù)與政府智能決策目標(biāo)的內(nèi)在邏輯關(guān)系

首先，大數(shù)據(jù)時(shí)代，政府決策的透明性和公平性將得到提高。傳統(tǒng)的決策過(guò)程以“經(jīng)濟(jì)人”假設(shè)為前提，因此政府決策者缺少足夠的動(dòng)力去制定最符合公共利益的政策。而政府智能決策過(guò)程可以借助大數(shù)據(jù)的技術(shù)優(yōu)勢(shì)，使用數(shù)據(jù)檢索分類工具、條形碼及射頻識(shí)別[15]等方法，結(jié)合互聯(lián)網(wǎng)和物聯(lián)網(wǎng)等技術(shù)全面感知社會(huì)事項(xiàng)及公眾所需，采取網(wǎng)絡(luò)地圖[16]、標(biāo)簽云[17]和歷史流圖[18]等可視化技術(shù)分析事件的發(fā)展規(guī)律，展示決策行為的全過(guò)程，進(jìn)而大大增強(qiáng)了對(duì)決策過(guò)程的監(jiān)督和對(duì)決策者權(quán)力的約束。

此外，大數(shù)據(jù)時(shí)代，以技術(shù)為導(dǎo)向的政府決策轉(zhuǎn)變?yōu)橐詢r(jià)值為導(dǎo)向的決策。傳統(tǒng)的政府決策往往以效率作為評(píng)價(jià)標(biāo)準(zhǔn)，忽視了決策的公平性和民主性[19]。大數(shù)據(jù)背景下，產(chǎn)生了大量復(fù)雜的非結(jié)構(gòu)化數(shù)據(jù)，大數(shù)據(jù)技術(shù)的應(yīng)用使政府能夠有效利用這些非結(jié)構(gòu)化數(shù)據(jù)，在智能決策的過(guò)程中不單單關(guān)注效率，而是更加重視民主訴求回應(yīng)以及決策的公平和民主，即以價(jià)值為導(dǎo)向進(jìn)行決策。

二、影響政府智能決策的內(nèi)部因素研究

（一）數(shù)據(jù)分析能力的影響

數(shù)據(jù)分析能力是影響決策質(zhì)量的一個(gè)重要因素[20]。政府智能決策離不開(kāi)數(shù)據(jù)，而這些數(shù)據(jù)往往具有來(lái)源多樣化、類型多樣化以及數(shù)據(jù)海量化的特點(diǎn)。這對(duì)決策人員的數(shù)據(jù)分析能力提出了更高的要求。

一方面，加強(qiáng)政府相關(guān)人員業(yè)務(wù)知識(shí)培訓(xùn)，努力提升大數(shù)據(jù)分析能力，積極適應(yīng)人工智能環(huán)境下政府智能決策工作的需要。一是注重?cái)?shù)據(jù)歸集。積極推進(jìn)大數(shù)據(jù)中心建設(shè)，扎實(shí)做好各部分業(yè)務(wù)數(shù)據(jù)歸集整理和上報(bào)工作。二是強(qiáng)化人才培養(yǎng)。特別要注意培養(yǎng)政府人員的大數(shù)據(jù)思維，分批次地開(kāi)展大數(shù)據(jù)分析技術(shù)培訓(xùn)，不斷提升他們的大數(shù)據(jù)分析實(shí)戰(zhàn)能力。三是推進(jìn)成效轉(zhuǎn)化。要注重?cái)?shù)據(jù)分析為政府決策帶來(lái)的效益。對(duì)具備實(shí)行智能決策的項(xiàng)目，要加強(qiáng)數(shù)據(jù)挖掘和分析能力，并將數(shù)據(jù)分析結(jié)果反饋并應(yīng)用于政府智能決策實(shí)踐中。

另一方面，加強(qiáng)與領(lǐng)域?qū)＜液脱芯繖C(jī)構(gòu)的合作。從大數(shù)據(jù)中獲得知識(shí)發(fā)現(xiàn)不能僅僅依靠計(jì)算機(jī)，專家才具有信息抽象能力。政府應(yīng)當(dāng)建立專業(yè)化的大數(shù)據(jù)分析中心，這些大數(shù)據(jù)分析中心應(yīng)當(dāng)適當(dāng)聘用企業(yè)或高校的專家技術(shù)人員，借助他們的專業(yè)技能，進(jìn)行政府智能決策分析。

（二）價(jià)值觀的影響

除了數(shù)據(jù)分析能力，政府決策者的價(jià)值觀也會(huì)對(duì)政府智能決策產(chǎn)生影響。隨著人工智能技術(shù)的不斷發(fā)展，政府智能決策的備選方案也會(huì)呈現(xiàn)出多樣化。政府決策者對(duì)這些智能決策方案的選擇在一定意義上會(huì)用不同的價(jià)值標(biāo)準(zhǔn)去衡量。在進(jìn)行政府智能決策過(guò)程中，相關(guān)決策人員的價(jià)值觀無(wú)法達(dá)到一致，所以無(wú)法選擇出符合所有決策者要求的決策方案。

決策者有限理性的特點(diǎn)決定了一些具有爭(zhēng)議的決策觀念存在的必然。在選擇決策方案時(shí)，很難考慮到各個(gè)方面的綜合因素，沒(méi)有一個(gè)方案是完美的。即使使用大數(shù)據(jù)技術(shù)制定的決策，政府決策者在選擇的時(shí)候也要進(jìn)行綜合的可行性和合理性分析，這就要求決策者采取什么樣的價(jià)值觀。人工智能決策在很大程度上會(huì)影響公眾的隱私泄露問(wèn)題，決策者在制定智能決策方案時(shí)，需要考慮到這類隱私問(wèn)題，因此在問(wèn)題和方案選擇時(shí)必然進(jìn)行取舍。

（三）注意力的影響

注意力是影響政府決策的一個(gè)重要因素[21]。注意力是客觀存在的，當(dāng)注意力轉(zhuǎn)變時(shí)，決策者的決策能力和價(jià)值觀會(huì)隨之改變，其選擇的決策問(wèn)題和決策方案也會(huì)變化。

大數(shù)據(jù)條件下，決策者獲得的信息千變?nèi)f化，其注意力也會(huì)隨著改變，從而對(duì)政府智能決策造成了影響。如何判斷并且分析出正確的信息，需要政府決策者將注意力配置到具有價(jià)值的信息之上。只有正確地配置注意力，才能產(chǎn)生高效、科學(xué)、符合社會(huì)公眾利益的政府決策。如何優(yōu)化政府智能決策注意力，是政府決策人員面臨的一個(gè)難題。優(yōu)化政府智能決策注意力配置的途徑首先要把握政府注意力的配置向度，其次增強(qiáng)政府注意力配置力度，最后維持政府注意力配置的持久度。

三、影響政府智能決策的外部因素研究

（一）社會(huì)環(huán)境的影響

1. 政治環(huán)境

在中國(guó)國(guó)情下，政治環(huán)境對(duì)政府決策具有較深的影響。我國(guó)目前政府決策過(guò)程日漸完善，按照國(guó)家要求在制定重大決策時(shí)加強(qiáng)了公眾和專家的參與度，以達(dá)到增強(qiáng)決策透明度的目標(biāo)。在當(dāng)前環(huán)境下，政府制定智能決策更應(yīng)當(dāng)響應(yīng)國(guó)家號(hào)召，按照國(guó)家要求規(guī)范政府智能決策制定流程，制定的決策需要從實(shí)際出發(fā)，符合廣大人民群眾的根本利益。

2. 決策成本

考慮到政府部門(mén)的資金限制和人員充足等問(wèn)題，一部分決策成本超出預(yù)算的決策很難被政府決策者選擇，其后果就是政府制定的某些決策可能很難符合社會(huì)公眾的利益。這就是決策成本對(duì)政府智能決策的影響。大數(shù)據(jù)背景下的政府治理，需要建立大數(shù)據(jù)中心整合和處理信息數(shù)據(jù)，此外，政府智能決策也需要投入與人工智能相關(guān)的專業(yè)人才。這些都會(huì)造成決策成本的增加，因此在政府智能決策中必然要考慮決策成本的影響。

（二）多元參與者的影響

1. 專家學(xué)者與社會(huì)公眾的影響

大數(shù)據(jù)背景下，政府決策環(huán)境和決策問(wèn)題變化莫測(cè)，復(fù)雜度也日漸提升。以政府為單一主體的決策模式很難協(xié)調(diào)處理這些復(fù)雜的決策難題，因此，需要借助專家和公眾等多元參與者[22]。需要注意的是，目前人工智能在政府智能決策中正擔(dān)任著類似“專家學(xué)者”的顧問(wèn)角色，通過(guò)處理相關(guān)的數(shù)據(jù)支持決策過(guò)程，并生成書(shū)面意見(jiàn)。然而許多決策并不能完全移交給人工智能系統(tǒng)，政府部門(mén)需要專家學(xué)者和公眾參與，監(jiān)督人工智能系統(tǒng)所做決策的正確性和合理性，并需要對(duì)人工智能在其決策中發(fā)揮的作用做到盡量公開(kāi)透明。

2. 網(wǎng)絡(luò)輿情的影響

近年來(lái)，我國(guó)的互聯(lián)網(wǎng)發(fā)展迅猛，特別是智能手機(jī)的普及使越來(lái)越多的網(wǎng)民選擇在網(wǎng)上發(fā)表對(duì)政府政策的看法和見(jiàn)解，因此，政府決策會(huì)受到網(wǎng)民對(duì)社會(huì)實(shí)踐的討論和質(zhì)疑的影響，如果政府沒(méi)有及時(shí)反饋并處理，極大可能導(dǎo)致決策的失效[23]。

（三）數(shù)據(jù)質(zhì)量的影響

數(shù)據(jù)質(zhì)量是影響政府智能決策的一個(gè)重要外部因素。一方面，大多數(shù)政府智能決策都是依賴于構(gòu)建的模型，而模型的準(zhǔn)確率依賴于數(shù)據(jù)質(zhì)量。高質(zhì)量的數(shù)據(jù)有利于政府制定出“精準(zhǔn)”的決策，從而對(duì)社會(huì)產(chǎn)生積極的影響。相反，如果政府收集的數(shù)據(jù)質(zhì)量太低，則極有可能制定出無(wú)法解釋甚至錯(cuò)誤的決策，這些錯(cuò)誤的決策將對(duì)社會(huì)產(chǎn)生負(fù)面的影響。另一方面，大數(shù)據(jù)時(shí)代，政府和企業(yè)的數(shù)據(jù)均呈現(xiàn)爆發(fā)式的增長(zhǎng)，更新的速度也是越來(lái)越快，諸如疫情防控監(jiān)督、智能交通管理等政府智能決策大都依賴于實(shí)時(shí)的數(shù)據(jù)更新。如果政府采集的數(shù)據(jù)不及時(shí)，則很難做出精準(zhǔn)的決策，造成決策滯后，無(wú)法發(fā)揮智能決策的優(yōu)勢(shì)。

（四）知識(shí)共享的影響

決策中所采用的知識(shí)越豐富，決策就越科學(xué)有效[24]。人工智能時(shí)代的到來(lái)，知識(shí)對(duì)政府智能決策產(chǎn)生的影響愈發(fā)重要。政府智能決策過(guò)程中的知識(shí)應(yīng)用過(guò)程包括三個(gè)方面，首先政府決策相關(guān)人員通過(guò)收集數(shù)據(jù)和分析數(shù)據(jù)，將知識(shí)進(jìn)行開(kāi)發(fā)，并且應(yīng)用到實(shí)際決策中。然后，將知識(shí)進(jìn)行轉(zhuǎn)化，轉(zhuǎn)換的客觀事實(shí)才能提高政府智能決策的能力。最后，將這些知識(shí)進(jìn)行共享，對(duì)今后的政府決策提供經(jīng)驗(yàn)以借鑒。

四、融合內(nèi)外部信息的政府智能決策研究

隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，越來(lái)越多互聯(lián)網(wǎng)或政務(wù)內(nèi)部網(wǎng)的可用數(shù)據(jù)源相互交織，政府對(duì)信息源進(jìn)行統(tǒng)一訪問(wèn)的需求已成為了政務(wù)信息融合領(lǐng)域研究的背后推動(dòng)力[25]。傳統(tǒng)的政府治理主要以各種紙質(zhì)文件為信息來(lái)源，而互聯(lián)網(wǎng)時(shí)代的到來(lái)，使得數(shù)據(jù)獲取的渠道不斷擴(kuò)充，極大地豐富了信息的主體內(nèi)容[26]。同時(shí)，數(shù)據(jù)的特征、組織結(jié)構(gòu)以及來(lái)源的多樣化導(dǎo)致政府部門(mén)從中提取有用信息并做出有效決策的難度不斷增加。人工智能背景下政府決策建模數(shù)據(jù)存儲(chǔ)分散且結(jié)構(gòu)不同難以有效利用的問(wèn)題十分突出，已成為政府治理中信息資源整合的主要障礙。為了對(duì)政府?dāng)?shù)據(jù)進(jìn)行有效融合，本文提出運(yùn)用多源異構(gòu)融合技術(shù)對(duì)政府信息進(jìn)行全方位的整合，為政府智能決策系統(tǒng)建設(shè)奠定基礎(chǔ)。

（一）政府智能決策中的多源信息融合研究

1. 政府智能決策數(shù)據(jù)源

政府智能決策數(shù)據(jù)源主要來(lái)自于各政府部門(mén)所用的政務(wù)信息資源。政務(wù)信息資源可以簡(jiǎn)單地定義為政府相關(guān)部門(mén)和行政人員在具體政務(wù)辦理過(guò)程中所產(chǎn)生或接觸到的各類信息資源，它既包括政府部門(mén)的內(nèi)部文件，也包括政府工作開(kāi)展過(guò)程中依托第三方平臺(tái)管理、采集、存儲(chǔ)的各類社會(huì)資源數(shù)據(jù)，其數(shù)據(jù)結(jié)構(gòu)表現(xiàn)更加復(fù)雜[27]。根據(jù)行政慣例，政府信息資源可以分為內(nèi)部數(shù)據(jù)源以及外部數(shù)據(jù)源[28]。

（1）政府內(nèi)部數(shù)據(jù)源

政府內(nèi)部數(shù)據(jù)源主要有四大來(lái)源：政府網(wǎng)站所產(chǎn)生數(shù)據(jù)資源、政府業(yè)務(wù)系統(tǒng)所產(chǎn)生的數(shù)據(jù)資源、專項(xiàng)數(shù)據(jù)資源以及政府工作中的存檔、歸檔數(shù)據(jù)資源。政府網(wǎng)站所產(chǎn)生數(shù)據(jù)資源主要包括線上網(wǎng)站實(shí)時(shí)刷新所產(chǎn)生的前后端數(shù)據(jù)以及網(wǎng)站用戶訪問(wèn)行為所產(chǎn)生的網(wǎng)絡(luò)日志數(shù)據(jù)等。政府業(yè)務(wù)系統(tǒng)所產(chǎn)生的數(shù)據(jù)資源主要來(lái)源于各政府部門(mén)所建立的電子政務(wù)信息系統(tǒng)或者信息化工程項(xiàng)目在運(yùn)轉(zhuǎn)過(guò)程中所形成的多樣化信息資源。專項(xiàng)數(shù)據(jù)資源與前兩種資源有較大區(qū)別，是專門(mén)領(lǐng)域中所采集、檢測(cè)以及檢測(cè)的數(shù)據(jù)，通常呈現(xiàn)非結(jié)構(gòu)化特征，如政府工作人員執(zhí)法過(guò)程中產(chǎn)生的音視頻數(shù)據(jù)、地理地圖數(shù)據(jù)、城市氣象數(shù)據(jù)等。政府工作中的存檔、歸檔數(shù)據(jù)資源主要是傳統(tǒng)的線下政務(wù)管理和服務(wù)過(guò)程中以特定形式記錄和保存的各類紙質(zhì)文件和電子文檔等，通常存放在政府檔案管理部門(mén)手中[29]。

（2）政府外部數(shù)據(jù)源

政府外部數(shù)據(jù)源主要涵蓋了社會(huì)信息數(shù)據(jù)資源和互聯(lián)網(wǎng)信息數(shù)據(jù)資源。社會(huì)信息數(shù)據(jù)資源是由大量社會(huì)組織產(chǎn)生的數(shù)據(jù)信息所組成的，這些組織包括：科研事業(yè)單位、行業(yè)協(xié)會(huì)商會(huì)以及其他民間組織，他們掌握著科學(xué)理論研究、行業(yè)信息、經(jīng)濟(jì)運(yùn)行數(shù)據(jù)等眾多資源，已成為政務(wù)信息資源中不可或缺的一部分。互聯(lián)網(wǎng)信息數(shù)據(jù)資源主要是因特網(wǎng)所包含的各類相關(guān)信息，政府有關(guān)部門(mén)履行職責(zé)需要大量網(wǎng)絡(luò)信息作為理論支撐，它來(lái)源于各大社交網(wǎng)站、自媒體平臺(tái)、移動(dòng)客戶端等。政務(wù)外部數(shù)據(jù)相比于內(nèi)部數(shù)據(jù)的構(gòu)成更為復(fù)雜，同時(shí)也能挖掘出更多價(jià)值[30]。

2. 多源信息融合技術(shù)

多源信息融合是指源自多個(gè)信息源，將采集到的各種數(shù)據(jù)進(jìn)行挑選、識(shí)別與聚合的過(guò)程。與單一信源相比，多源信息融合能夠?qū)?duì)象系統(tǒng)中更多的信息匯集到一起，更能全面地表現(xiàn)系統(tǒng)的真實(shí)狀況，提升系統(tǒng)識(shí)別和管理決策的可靠性，同時(shí)也提高了對(duì)復(fù)雜的信息數(shù)據(jù)處理能力的要求[31]。目前，信息融合技術(shù)可按層次分成數(shù)據(jù)級(jí)、特征級(jí)和決策級(jí)融合三個(gè)級(jí)別，分別代表著系統(tǒng)對(duì)信息利用和管理決策的不同需求。決策級(jí)融合使用一組分類器來(lái)提供一個(gè)更好的、無(wú)偏的結(jié)果，被廣泛運(yùn)用于人臉識(shí)別、語(yǔ)音處理以及醫(yī)學(xué)圖像領(lǐng)域。特征級(jí)融合研究方法進(jìn)行特征的選擇和組合時(shí)，能夠去除冗余和不相關(guān)的特征。本文將采用結(jié)合特征級(jí)和決策級(jí)的數(shù)據(jù)融合方法構(gòu)建基于政府內(nèi)外部信息的多源信息融合模型。

3. 基于政府內(nèi)外部信息的多源信息融合模型

對(duì)政府內(nèi)外部信息進(jìn)行多源信息融合旨在挖掘有用信息并進(jìn)行有效劃分以期輸出一致性的知識(shí)結(jié)果，其可以視為不斷訓(xùn)練以獲得最優(yōu)特征集的過(guò)程。將最終選擇出的特征集合融合在一起，得到相對(duì)更優(yōu)的特征集合，并將其交給分類器來(lái)處理，以便得到最終的分類結(jié)果。從特征融合的定義本身可以看出，特征融合是信息融合的一個(gè)進(jìn)步。為了提高融合精度，本文結(jié)合了決策融合和特征融合的概念，提出了基于政府內(nèi)外部信息的多源信息融合模型，即多分類器融合模型。該模型主要包括數(shù)據(jù)預(yù)處理、特征級(jí)融合和決策級(jí)融合這三個(gè)模塊，模型流程見(jiàn)圖1所示。

圖1 基于政府內(nèi)外部信息的多源信息融合模型

（1）數(shù)據(jù)預(yù)處理模塊

數(shù)據(jù)預(yù)處理主要包含數(shù)據(jù)清洗、數(shù)據(jù)集成和數(shù)據(jù)變換這三大部分。數(shù)據(jù)清洗主要是對(duì)政府的內(nèi)外部數(shù)據(jù)中存在缺失數(shù)據(jù)、異常數(shù)據(jù)和重復(fù)數(shù)據(jù)的情況進(jìn)行處理。數(shù)據(jù)集成是指分別將政府內(nèi)外部數(shù)據(jù)的多個(gè)數(shù)據(jù)庫(kù)整合為政府內(nèi)部數(shù)據(jù)庫(kù)和政府外部數(shù)據(jù)庫(kù)。數(shù)據(jù)變換主要是對(duì)政府內(nèi)外部信息數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化、變量離散化以及屬性統(tǒng)一化處理，將數(shù)據(jù)轉(zhuǎn)換成便于直接處理的相應(yīng)形式，有助于后續(xù)數(shù)據(jù)挖掘工作的展開(kāi)。在進(jìn)行數(shù)據(jù)挖掘前，先對(duì)政府內(nèi)外部融合數(shù)據(jù)進(jìn)行預(yù)處理，能夠有效降低數(shù)據(jù)挖掘的難度。

（2）特征級(jí)融合

特征級(jí)融合的主要目的是對(duì)特征進(jìn)行約簡(jiǎn)和去除噪聲。該方法還可以將不同域的兩個(gè)或多個(gè)特征進(jìn)行合并，減少“維數(shù)詛咒”問(wèn)題。特征級(jí)融合主要包括兩個(gè)模塊：特征排序和特征選擇。

特征排序先從預(yù)處理后的數(shù)據(jù)中找出所有特征，并根據(jù)每個(gè)特征的重要性計(jì)算相應(yīng)的權(quán)重值，根據(jù)權(quán)重值對(duì)特征進(jìn)行排序。特征排序可以通過(guò)機(jī)器學(xué)習(xí)等多種方法完成。以決策樹(shù)的特征排序?yàn)槔?，首先假設(shè)在單個(gè)決策樹(shù)中對(duì)每個(gè)特征分裂點(diǎn)的改進(jìn)性能進(jìn)行測(cè)度，根據(jù)性能評(píng)價(jià)結(jié)果得出屬性的重要程度。由當(dāng)前節(jié)點(diǎn)來(lái)對(duì)屬性處理結(jié)果進(jìn)行加權(quán)以及記錄的操作，當(dāng)前屬性下，屬性的權(quán)重越大則越重要。最后，將各屬性在決策樹(shù)中的所有結(jié)果進(jìn)行加權(quán)平均求和，即可得到該屬性的權(quán)值，以此實(shí)現(xiàn)對(duì)特征的排序[32]。

特征選擇通過(guò)從排序后的特征子集中選出最優(yōu)特征來(lái)降低特征維度，主要包括四個(gè)模塊：特征子集的生成、評(píng)價(jià)特征子集、判斷停止準(zhǔn)則和驗(yàn)證方法[33]。候選特征子集的生成是特征選擇的重要步驟，該步驟可以通過(guò)全局最優(yōu)搜索策略、啟發(fā)式搜索策略、混合搜索策略等生成特征子集。評(píng)價(jià)特征子集需要設(shè)定評(píng)價(jià)函數(shù)，依據(jù)該函數(shù)判斷特征子集的優(yōu)劣，從函數(shù)類別上來(lái)說(shuō)主要可以分為過(guò)濾式評(píng)價(jià)策略和封裝式評(píng)價(jià)策略。在政務(wù)信息融合的過(guò)程中，需要根據(jù)數(shù)據(jù)的自身特點(diǎn)，選出恰當(dāng)?shù)脑u(píng)價(jià)函數(shù)對(duì)候選特征子集進(jìn)行篩選。判斷停止準(zhǔn)則用于判斷特征子集評(píng)價(jià)過(guò)程是否停止，在不滿足先前設(shè)置的搜索停止條件的情況下，特征搜索過(guò)程將一直運(yùn)行。最后，在政府內(nèi)外部數(shù)據(jù)上驗(yàn)證特征子集的優(yōu)劣，將進(jìn)行上述操作的結(jié)果作為訓(xùn)練數(shù)據(jù)，讓分類器在該數(shù)據(jù)集上進(jìn)行訓(xùn)練以及測(cè)試，再將分類結(jié)果與未經(jīng)特征選擇的分類結(jié)果進(jìn)行相應(yīng)的比較，以便選出更優(yōu)的分類器。

（3）決策級(jí)融合

決策級(jí)融合是指對(duì)特征級(jí)融合階段選出的各分類器進(jìn)行融合，可選方式有分類器融合和分類器選擇兩種方式。在分類器融合中，為每個(gè)分類器提供完整的特征空間信息，并將不同分類器的輸出進(jìn)行組合。而在分類器選擇方法中，每個(gè)分類器都是特征空間中某個(gè)特定領(lǐng)域的專家，局部專家單獨(dú)決定集成的輸出。由于特征選擇已經(jīng)將特征空間進(jìn)行了有效劃分，不再需要進(jìn)行局部訓(xùn)練，采用分類器融合方案更適合本任務(wù)。本文選擇對(duì)分類器進(jìn)行排序來(lái)實(shí)現(xiàn)分類器融合。分類器排序根據(jù)每個(gè)分類器置信度的降序進(jìn)行排序。分類器的決策被表示為類的排名，這樣它們就可以在不同類型的分類器和問(wèn)題的不同實(shí)例之間進(jìn)行比較。在多個(gè)分類器的類排序輸出時(shí)進(jìn)行決策級(jí)融合，包括采用類集約簡(jiǎn)方法[34]。

類集約簡(jiǎn)方法的目的是考慮通過(guò)盡可能減少類的數(shù)量來(lái)進(jìn)行分類器融合,但確保正確的類仍在分類器集中。該方法嘗試找到最小化分類器集和最大化真實(shí)類所占概率值的權(quán)衡。這可以通過(guò)兩種方式實(shí)現(xiàn)：第一類，鄰域相交，首先根據(jù)訓(xùn)練集中最壞情況下正確類的排序確定分類器領(lǐng)域，隨后將所有分類器中正確類的最低排名作為閾值，只有排名靠前的分類器才被選擇，以此來(lái)剔除閾值最低的冗余分類器；第二類，鄰域聯(lián)合，將訓(xùn)練集中最壞情況下所有正確類的最大排序值作為分類器的閾值，這樣很容易找出冗余的分類器。

（二）政府智能決策系統(tǒng)的構(gòu)建

政府智能決策系統(tǒng)是將人工智能嵌入傳統(tǒng)決策支持系統(tǒng)而構(gòu)建的專家系統(tǒng)，它根據(jù)政府涉及的內(nèi)部信息和外部信息、各類分析模型和各種基本知識(shí)定律，利用人機(jī)交互方式輔助政府人員進(jìn)行決策，有望進(jìn)一步促進(jìn)政府管理者提升政務(wù)治理的水平。政府智能決策系統(tǒng)結(jié)構(gòu)如圖2所示。

圖2 政府智能決策系統(tǒng)結(jié)構(gòu)

政府智能決策系統(tǒng)為決策者提供問(wèn)題分析、模型構(gòu)建和決策結(jié)果可視化等功能，有利于提高決策質(zhì)量。隨著人工智能的不斷發(fā)展，企業(yè)將提高決策系統(tǒng)的智能化水平作為發(fā)展目標(biāo)。雖然特定領(lǐng)域的專家系統(tǒng)已經(jīng)得到了不同程度的發(fā)展，但是智能決策系統(tǒng)仍然處于初級(jí)發(fā)展階段。開(kāi)發(fā)政府智能決策系統(tǒng)對(duì)政府部門(mén)和社會(huì)組織的工作開(kāi)展具有重大意義[35]。

五、結(jié)語(yǔ)

人工智能應(yīng)用的爆發(fā)式增長(zhǎng)為政府治理提供巨大便利的同時(shí)，也帶來(lái)了一些新的挑戰(zhàn)，僅憑傳統(tǒng)的決策模型已無(wú)法有效應(yīng)對(duì)人工智能背景下的政府治理問(wèn)題，因此，在人工智能的背景下展開(kāi)對(duì)政府智能決策優(yōu)化的研究已刻不容緩。本文首先從政府治理中的智能決策理論研究入手，接著分析了影響政府智能決策的內(nèi)外部因素，最后構(gòu)建了基于多源數(shù)據(jù)融合的智能決策支持系統(tǒng)，實(shí)時(shí)、連續(xù)地為決策制定提供支持，從而提高政府決策的效率與科學(xué)性。